基于因素驅動的東方思維人工智能理論研究

　　摘要: 人工智能理論成為當代各國為維護戰略利益所必須爭奪的重點領域之一。從思維層面對人工智能理解可分為西方思維和東方思維, 前者是整分合的機械還原方法論, 后者是萬物互聯的哲學思想。作者在研究安全科學和人工智能的理論過程中發現了一些值得研究的問題。一般領域, 技術上升為理論的過程是從解析到推理、從數據到因素、從具體科學到哲學的過程。作者認為人工智能應是因素驅動的, 而非數據驅動的科學。因素驅動的思想在中國傳統哲學中是極為重要的, 符合東方思維特征也適用于人工智能基礎理論。因此中國原創人工智能基礎理論是獨具特色的, 面對的機遇大于挑戰。這從根本上保證了東方思維在東西方人工智能基礎理論研究的博弈中將最終勝出。

　　本文源自廣東工業大學學報2021年01期《廣東工業大學學報》雜志，雙月刊，于1974年經國家新聞出版總署批準正式創刊，由廣東省教育廳主管，廣東工業大學主辦的學術性刊物，本刊在國內外有廣泛的覆蓋面，題材新穎，信息量大、時效性強的特點，其中主要欄目有：區塊鏈技術、綜合研究、簡訊。

　　1 從西方思維的人工智能理論說起

　　鐘義信教授在他的論文[1]中論述了作為西方科學技術體系基礎方法論的機械還原方法論的不足之處。其中提到科學方法論引領人工智能研究的歷史，認為幾百年來的分而治之的機械還原方法論已成為當今自然科學研究方法論的基礎，當然人工智能基礎理論的方法論也是機械還原論。

　　機械還原論有它存在的歷史背景和存在原因。它可以有效地聯系系統和系統、子系統和子系統、子系統和系統之間的功能關系。認為系統功能可以確定地拆分成子系統的功能集合，根據不同功能分析實現子系統，最終組合完成原系統功能。但隨著信息、數據和智能科學的發展，它們之間或者它們和人之間的傳遞產生了問題。

　　最早是二戰期間為了破解德軍密碼，圖靈首先設計并制造了圖靈機，這可以認為是人工智能和信息處理的近代開端。目前國際上對于人工智能形成了三大流派，當然這些都是基于西方機械還論建立的，包括結構主義、功能主義和行為主義。結構主義最先出現，它模擬人腦處理問題的機制，建立數理邏輯單元并連接它們。認為人工智能即為模擬大腦的功能，即神經元和信號傳遞。發展至今成為神經網絡的基礎，已廣泛應用于各行業的數據分析、訓練和預測[2-3] 。但在大數據和多因素的影響下，神經網絡中的神經元和層數將迅速增加，導致無線計算和精度下降。在這種情況下出現了功能主義[4] 。認為智能系統的核心并不在結構上，而是在功能上;在相同的因素作用下，與人這種智能體表現出來的行為相同即為智能。因此它是一種模擬功能的過程。隨著計算機的出現和應用，這種功能模擬得以發展壯大。其代表是物理符號系統，即是后來的專家系統。利用專家系統創造了“深藍”和“AlphaGo”等系統模擬人的特定行為。隨之而來的問題是如何建立專家系統。專家系統的核心是功能和因素的對應關系知識庫，即在何種因素刺激下采取何種行為的過程。因此行為決定了功能，從而產生了行為流派。目的是通過感知客觀世界的因素變化采取不同的行為以模擬智能體行為，如“六腳甲蟲機器” [5] 。

　　這3個流派在當今世界的各領域都取得了較大成績，但由于使用了分而治之的機械還原論，強調系統與系統的功能實現關系，而忽略了普遍存在的至系統間的能量、物質和信息交換。作者認為從系統論角度出發，分而治之的方法明顯存在不足。機械還原方法論將系統拆分，所得到的若干子系統根據其特征分別使用不同的方法論、方法、概念和模型進行研究，然后再組合起來還原系統。使用機械還原方法論研究的系統必將失去系統的整體性和功能性。

　　三大人工智能流派的實質是尋找數據和因素的對應關系，不同因素作用下的系統采取不同的響應，從而完成智能行為。那么因素在智能系統和行為中的作用如何是下一個要研究的問題。

　　2 人工智能是數據驅動還是因素驅動

　　史忠植教授[6]認為智能科學研究智能的本質和實現技術，是由腦科學、認知科學、人工智能等學科共同研究的交叉學科。腦科學從分子水平、細胞水平、行為水平研究自然智能機理，建立腦模型，揭示人腦的本質。認知科學是研究人類感知、學習、記憶、思維、意識等人腦心智活動過程的科學。人工智能研究用人工的方法和技術，模仿、延伸和擴展人的智能，實現機器智能。從作者的角度認為，人工智能的目的是建立可以完成預定目標的智能系統，進而輔助和替代人的工作[7] 。智能系統是人通過數據到因素的映射得到的系統結構，反映了人對自然系統的認識。那么決定這種認識的關鍵是映射，而映射的關鍵是因素和數據是否全面和映射方向[8]的問題。在實際研究中，因素流和數據流缺失只能通過相關的技術和理論發展解決，當然也可通過人的頓悟解決。重點問題是人工智能系統的結構建立是從因素到數據的映射，還是數據到因素的映射，顯然前者更接近自然系統，后者是人們模擬自然系統建立的系統。這個結論是在系統運動空間與系統映射論的研究過程中得到的[8] 。

　　從因素到數據的映射是真正實現人工智能系統的關鍵。從該角度講人工智能系統應該是因素驅動，而非數據驅動。首先要確定與系統相關的全因素和全數據。由于相關理論和技術的缺失目前難以實現，這也是人工智能難以發展的根本原因，只能暫且使用數據驅動。而數據驅動在哲學理論上是行不通的，只是權宜之計。

　　人工智能是對人認識世界和改造世界的模擬和學習。那么人又如何了解世界呢?概念是建立人類思維的核心，這方面研究可參見鐘義信教授[1]的信息轉換定理。概念是外延和內涵的聯系，外延是客觀世界存在的事物，內涵是人腦中分配的檢索標簽。概念把客觀事物貼上標簽，以便人腦進一步調用形成概念網絡，或因素空間的背景關系集。可以說人腦或人工智能的不斷完善是建立在概念的完備性基礎上的。概念的外延是對事物的描述，人腦更善于因素區分，而因素具體的相，特別是數值相的記錄是不擅長的。作者也在另文指出人首先關注于因素，隨后是因素的定性相，最后才是因素的定量相。當人腦建立了足夠的概念關系，就可基于這些概念關系進行發散聯想，這就形成了人的智慧。

　　由于目前基礎理論的限制，只能使用數據驅動的智能技術和系統。與因素驅動相比，數據驅動存在一些缺點。首先數據驅動得到的映射方向與因素驅動是相反的[8] ，這也是目前智能系統的最大缺點。海量數據不宜于存儲和處理。絕大多數數據都可歸納為具有定性區間的因素相的形式，從而與因素及其概念對應。人腦分析問題的關鍵在于數據歸類而非數據本身。基于因素的分析是全面的邏輯層面的分析，而數據雖然多但可能缺少某種邏輯情況下的數據。因素分析一般不會出現冗余和錯誤，因為是基于較完備的概念網絡;而數據分析一般存在這些現象。

　　汪培莊[9]教授認為：人工智能是數據驅動還是因素驅動的問題提得非常重要。數據是實踐活動中留下的信息，因素是人腦思維的引線。數據與因素的關系是實踐與思維的關系。應當是思維掌控數據而不是數據糊弄思維。因此，人工智能系統使用因素驅動較數據驅動在系統層面上更有優勢，但限于目前水平只能先從數據驅動開始，逐漸過渡到因素驅動。

　　3 發展中國原創人工智能基礎理論的重要性

　　近代工業文明及其科學技術源于西方，而不在當時最強大的中國，這是一個歷史學界的重要難題。當時中國各行業都很發達，各階級民眾相當富裕，屬于自給自足的狀態。這削弱了工業技術的發展，或者說對工業化產品需求不足;同時卻在文化和藝術上不斷成長，講究陰陽五行相生相克的哲學研究，講究修身養性天人合一的狀態。相對的，歐洲各國之間戰爭不斷，他們對資源的渴望正是由于缺少才如此強烈，這種渴望直到現在仍在繼續。其單靠人力無法滿足，于是開始出現批量的人工流水線，更進一步地發明了機械并配備動力出現第一次工業革命。人們逐漸依賴工業文明帶來的成果，同時逐漸放棄了對天地人之間關系的思考，只想通過技術改變環境而不改變人本身。

　　任何系統變化過程都是內外部事件相互廣泛作用的結果。而工業文明以來，為了高效準確地定義和解決問題，形成了整分合的機械還原方法論。其特點在于將系統根據目標劃分為子系統，實現子系統功能后組合形成系統。表面上前后兩個系統是相同的，但實際是不同的，因為沒有考慮在目標范圍之外的子系統間相互作用。例如，美國科學院院士南希埃文森教授[10-11]指出，實際系統的故障要比我們設計過程中能夠想象從而避免的故障多得多;她認為這是由于系統內外部相互作用導致意外的能量、物質和信息傳遞造成的。

　　目前的科學體系是一種打補丁的形式，遇到問題后拆解問題，逐個解決再組裝起來。這對一般規模的系統是可行且簡單的。但現在的系統越來越復雜，在解決問題的同時可能帶來新問題，這就是不考慮系統內外部事件相關性的后果。例如復雜的軟件系統補丁，汽車缺陷的召回都是這種情況。這種情況繼續下去可預見西方科技體系終將背負沉重包袱而難以發展。

　　面對大數據和智能時代，這種現象更為突出。為何使用大數據進行分析，因為在現有科技體系中，西方思想無法理解天人合一的世界觀。由于系統過于復雜，他們無法確定影響因素，只能從系統散發的數據了解系統結構。這完全無法形成由數據到因素或從因素到數據的映射，這種情況下建立的智能系統只是數據分析工具，缺乏基本的智能理解能力。

　　智能體現的理解能力應該基于完備的概念網絡而不是大數據;從因素出發映射到數據變化;廣泛聯系自身和外部環境的相互作用;弱化低層的解析關系強化頂層的邏輯關系。這樣人工智能系統才能更加接近自然系統，解決該問題東方思維占有先天優勢。在漫長的歷史中，我們沒有獲得大數據支持而參透天地萬物互聯關系，所謂道生一，一生二，二生三，三生萬物。萬物負陰而抱陽，沖氣以為和。人之所惡，唯孤、寡、不谷，而王公以為稱。故物或損之而益，或益之而損。人之所教，我亦教之，即所謂道法自然。道即是萬物互聯關系也是作用關系，任其數據變化環境多樣也萬變不離其宗。這就是人思維的特點，也是人工智能成功的必由之路。道源于中國，我們的人工智能思想必定優于現有西方思想的機械還原方法論。

　　另一層面，西方世界一直致力于對我國尖端技術的封鎖，這也給我國造成了發展障礙。但就方法論而言，工業革命前屬于中國傳統道的方法論，工業革命后轉而發展了機械還原方法論。目前我國科技工業體系大部分傳承了機械還原方法論，在這種體制下很難擺脫西方限制。但人工智能發展到今天，原有機械還原論是難以勝任的，只有東方思維才能提出符合智能的方法論并最終實現。在此過程中必將受到西方世界的封堵，以確保他們繼續領先。但只要我們堅定地發展中國原創人工智能基礎理論，這些障礙必將無效。

　　4 中國人工智能的機遇大于挑戰

　　這是機遇和挑戰并存的時代，美國聯合西方發達國家組成對我國的封鎖聯盟。國家是形式上的，經濟是物質上的，方法論是精神上的。由于西方形成的機械還原方法論導致這些國家發展緩慢，社會矛盾激化，進而影響經濟，最終導致國家危機。往往表面上顯露的問題原因卻是本質的方法論問題。

　　中國原創人工智能基礎理論是中國古老哲學的方法論體現，這決定了在發展過程中，以開放的態度吸納所有有益思想。例如鐘義信教授[1]的信息生態方法論;汪培莊教授[9]的因素空間理論;何華燦教授[12] 的泛邏輯學;蔡文教授[13]的可拓學;馮嘉禮教授[14]的屬性論;趙克勤教授[15]的集對分析方法等，都是我國傳統哲學配合當代科學理論涌現出的原創理論與方法。

　　綜上，工業革命之前的中國是道的方法論，之后機械還原論在中國發展，信息革命中機械還原論仍發揮作用，但智能革命更應該以道的方法論作為統領。雖然我們也面臨著各種外部挑戰，只要發揮方法論上的優勢，以開放的態度吸納優秀思想，相信在智能革命的這場博弈中，中國原創人工智能基礎理論和中國人工智能的發展必將機遇大于挑戰，并最終推動智能革命的技術迭代，重返世界舞臺中心。

　　5 結論

　　綜合全文論述，總結如下觀點：

　　(1) 人工智能應是因素驅動的，數據驅動只是權宜之計，必將向著因素驅動發展。

　　(2) 中國原創人工智能基礎理論是先進的，這與中國傳統道的思想有關，講究萬物互聯而非機械還原。

　　(3) 中國人工智能的機遇大于挑戰，因為東方思想模式具有天然優勢，雖然這種優勢不適合工業時代，但在智能時代是決定性的。